条件故障下3-元n-立方体的容错分析

研究了条件边故障下3-元n-立方体中较大连通分支点的数目,进而证明了3-元n-立方体是(4n－6)-条件边故障强Menger边连通的。最后通过一个反例说明该结果是最优的。     

基于EZW与SPIHT的雷达图像压缩研究

随着技术的发展,雷达图像的大小日益增长,采用传统的图像压缩方案已经无法满足系统要求。因此,本文研究了基于小波变换的压缩方式—嵌入式零树小波与多级树集合分裂算法。对两者的编码解码过程进行了详细推导与介绍。实验对3幅高分辨率雷达图像进行测试,证实了多级树集合分裂算法性能更优。     

网络与新媒体专业融媒体应用能力分层培养体系构建

时代的发展要求网络与新媒体专业人才必须具备融媒体应用能力,但是目前,国内本科院校对于该专业的人才培养还存在诸多盲点,人才培养体系缺乏创新.本研究以融媒体应用能力的培养为突破口,通过网络与新媒体专业融媒体应用能力分层培养体系的构建,促进该专业人才培养方式的改革,从而培养切合时代发展和行业需求的融媒体应用型人才.     

关于定积分概念的数列化

讨论定积分概念的数列化及其相关问题．使用经典的精确分析方法,得到一个数列化的可积的充要条件．探索微元法表述后续相关概念与证明相关结果．同时举例说明定积分概念数列化的优越性与微元法处理后续相关问题的可行性．     

PSO-LSSVM对LIBS定量分析精度的提高

针对土壤定量分析受基体效应影响大,LIBS定量分析精度不佳等问题,采用粒子群算法对LSSVM进行优化,提高模型的精确度。选取Pb Ⅰ 405.78 nm和Cr Ⅰ 425.44 nm作为分析谱线进行分析。采集十二个不同浓度样品的特征光谱,每个浓度样品在不同点采集20组数据,将其中17组数据设为训练集,3组数据设为预测集,用LSSVM和PSO-LSSVM两种方法建立定标模型。对比两种模型的拟合相关系数（R2）、训练集均方根误差（RMSEC）和预测集均方根误差(RMSEP)。由于自吸收效应的影响,随着浓度的增加,预测值逐渐低于实际值,LSSVM定标模型的拟合程度较低,无法达到实验要求,模型性能有待提高。利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化,得到最佳的参数组合,Pb元素为(8 096.8, 138.865 7),Cr元素为(4 908.6, 393.563 5),用最佳的参数组合构建LSSVM的定标模型。相比于LSSVM,PSO-LSSVM定标模型的精确度更高,Pb和Cr元素的R2提高到了0.982 8和0.985 0,拟合效果明显提升。Pb和Cr元素的训练集均方根误差由0.026 0 Wt%和0.027 2 Wt%下降到0.022 4 Wt%和0.019 1 Wt%,预测集均方根误差由0.101 8 Wt%和0.078 8 Wt% 下降到0.045 8 Wt%和0.042 0 Wt%,模型的稳定性进一步提高。说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响,提高分析结果的精确度与稳定性。     

基于三组元可调光焦度器件的变焦光学系统设计

采用矩阵光学理论分析三组元可调光焦度器件的变焦系统的一阶属性,得到了基于系统放大率的光焦度控制方程。结合三组元系统初始参数并以系统球差最小为目标,对其进行了初始结构设计,得到了透镜形状参数的控制函数,然后进行光焦度和像质评价验证计算,最后对设计实例进行了归化对比验证。验证结果表明:对球差最小优化值的求解可信,设计方法为采用可调光焦度器件设计变焦系统提供了参考。     

基于动态和谐搜索的混合粒子群优化算法

针对粒子群优化算法随维数增大群体多样性相对减小而早熟收敛的问题,在对和谐搜索算法进行适应性改进的基础上,将其引入粒子群算法中,提出一种动态和谐搜索混合粒子群优化算法(DHSPSO).该方法使得粒子在搜索初期更具遍历性,降低算法对初始值的敏感性,并通过和谐搜索算法搜索的随机性和优胜劣汰机制改善粒子群的多样性,使得算法具有更快的收敛速度与更好的全局搜索能力.以多个标准测试函数优化进行仿真测试,结果表明,DHSPSO算法在进行高维优化问题时,在寻优速度、精度和成功率等方面均显示出良好的优化效果.     

强Hopf(Co-Hopf)模的推广

作为强Hopf(Co-Hopf)模的真推广,引入小强Hopf模和本质强Co-Hopf模并研究这些模的性质.举例说明小强Hopf模不一定是强Hopf模且本质强Co-Hopf模不一定是强Co-Hopf模.     

强碱性阴离子交换树脂分离富集土壤中的钼

研究了以强碱性阴离子交换树脂为固定相的离子交换色谱法分离富集土壤中钼,实现了钼与其他常见金属元素离子的选择性分离,富集在色谱柱上的钼以0.5mol.L^-1NH4NO3＋2mol.L^-1HNO3洗脱并用富氧火焰原子吸收光谱法进行测定,钼的回收率为99%—101.3%。